Cache de 95% no Gemini 4 Argon: quando reaproveitar contexto compensa?

Fala aí, beleza? No Gemini 4 Argon, reler o mesmo contexto pode custar 20 vezes menos do que mandar ele de novo 😀

O Google anunciou o modelo em 30 de setembro de 2026 com 95% de desconto sobre o preço de entrada pra tokens em cache

E aqui a ideia é olhar pro bolso: em que tipo de fluxo esse desconto pesa de verdade na conta, e em qual ele quase não faz cócegas

Só um aviso logo de cara: hoje o acesso é restrito

Então essa economia é pra planejar agora e aplicar quando o modelo abrir

O que o Google anunciou no Gemini 4 Argon?

O Gemini 4 Argon é o novo modelo de fronteira do Google, anunciado no blog oficial do Google em 30 de setembro de 2026

O foco declarado é bem claro:

• engenharia de software real e de longo horizonte
• trabalho corporativo de conhecimento (jurídico, finanças)
• defesa cibernética

O limite de saída anunciado é de até 1 milhão de tokens

O anúncio não publica um limite separado de entrada

Agora vem o ponto que segura a empolgação: o acesso hoje está restrito ao Fairwind Program, liberado pro governo dos EUA e pra parceiros selecionados de defesa cibernética

Ou seja, não está aberto ao público geral

A disponibilidade ampla está prevista "o quanto antes", começando por clientes pagos da API e assinantes do Google AI Ultra, mas sem data firme…

Tem outra coisa: o anúncio não detalha como o cache funciona por dentro

Não diz se ele é automático ou se tu precisa configurar, quanto custa armazenar, qual é o tamanho mínimo e por aí vai

Então aqui a gente fica só no que foi publicado: o desconto e os preços

Tabela de preços do Gemini 4 Argon: entrada, cache e saída

Os preços divulgados são por milhão de tokens e têm duas fases: o preço introdutório e o preço padrão, que entra depois

Repara que o cache sai sempre 95% mais barato que a entrada normal, nas duas fases

Pra ter uma referência de mercado, a VentureBeat comparou o preço de lista: GPT-6 Astra a US$ 10/US$ 50 e Claude Opus 5.5 a US$ 4/US$ 20 por milhão de tokens de entrada/saída

No preço introdutório, o Argon custa um quinto do Astra e metade do Opus 5.5

E o desconto de cache subiu: no Gemini 3.8 Flash era de 90%, no Argon é de 95%

Parece pouco? Se liga: com 90% de desconto tu paga um décimo da entrada, com 95% tu paga um vigésimo

Na prática, a releitura em cache fica pela METADE do que seria com o desconto antigo

Quando reaproveitar contexto compensa no Gemini 4 Argon

Antes das contas, o porquê

Todo token que tu manda pro modelo é cobrado como entrada

Se tu manda o mesmo repositório 20 vezes, paga o repositório 20 vezes

O cache existe justamente pra isso: o contexto que se repete passa a ser cobrado com 95% de desconto

É como deixar o livro aberto em cima da mesa em vez de ir buscar ele na biblioteca toda vez que surge uma dúvida

Se tu já mexeu com cache de prompt na Claude API, a lógica de fundo é a mesma: reaproveitar o mesmo contexto em vez de pagar ele cheio a cada chamada

Tome cuidado com um detalhe: as contas abaixo mostram só o custo da releitura

O custo da primeira gravação no cache não foi publicado, então ele fica de fora

E os volumes são hipotéticos, números redondos pra conta (o anúncio não publica o tamanho da janela de entrada)

Repasses repetidos sobre a mesma base de código

Esse é o caso que mais conversa com o foco do Argon em engenharia de software de longo horizonte

Pensa em revisões, em refatoração feita em etapas ou naquela sessão em que tu faz pergunta atrás de pergunta sobre o mesmo repositório

Exemplo hipotético: um repositório que vira 200 mil tokens de entrada, relido 20 vezes no preço introdutório

• sem cache: tu paga o repositório inteiro, no preço cheio de entrada, 20 vezes
• lendo do cache: cada releitura sai por um vigésimo do preço, então as 20 juntas custam o mesmo que mandar o repositório uma vez só

No preço padrão os valores dobram, mas a proporção continua a mesma

Quanto mais repasses, mais o desconto aparece no total

O mesmo dossiê jurídico ou financeiro consultado várias vezes

Contrato gigante, due diligence, relatório financeiro… o material é o mesmo e as perguntas mudam

Exemplo hipotético: um dossiê de 500 mil tokens consultado 30 vezes no preço introdutório

• sem cache: 30 × US$ 1 = US$ 30
• lendo do cache: 30 releituras a um vigésimo do preço cada, o que dá menos que duas leituras cheias do dossiê

Aqui a economia é MUITO clara, porque o grosso de cada chamada é o dossiê, não a pergunta

Análise de ciberdefesa sobre o mesmo conjunto de logs

Esse é o terceiro foco do Argon: um lote de logs ou de material de incidente que o time investiga em várias rodadas

Exemplo hipotético: 1 milhão de tokens de logs revisitados 10 vezes no preço introdutório

• sem cache: 10 × US$ 2 = US$ 20
• lendo do cache: 10 × US$ 0,10 = US$ 1

O padrão é o mesmo: base fixa, muitas perguntas e a conta despenca 😀

Quando o desconto de cache quase não muda a conta

Nem todo fluxo ganha com isso, e é bom saber antes de sair prometendo economia pro chefe haha

Contexto que muda a cada chamada

Se cada chamada traz material novo, não tem o que reaproveitar

Um agente que vigia a caixa de entrada e analisa cada email que chega é um bom exemplo, porque cada mensagem é contexto novo

A parte fixa (instruções, por exemplo) até pode se repetir

Mas se ela for pequena perto do resto, o desconto pesa pouco no total

Tarefas dominadas por saída

O desconto vale só pra entrada, e a saída continua no preço cheio

E a saída custa 5 vezes a entrada normal: US$ 10 contra US$ 2 no introdutório

Exemplo hipotético: 10 mil tokens de contexto gerando 200 mil tokens de texto

• entrada sem cache: alguns centavos de dólar
• entrada com cache: uma fração de centavo
• saída: US$ 2

Com ou sem cache, a conta fica perto de US$ 2

Quando o peso está na saída, o cache vira detalhe

O que muda para quem desenvolve com IA

Dá pra se preparar desde já:

• Mapeie os fluxos que releem a mesma base: code review, refatoração em etapas, rodadas de perguntas sobre o mesmo dossiê ou os mesmos logs
• Estruture a tarefa pra reaproveitar contexto: quanto mais a mesma base se repete entre as chamadas, mais contexto tem pra aproveitar, em vez de reenviar variações do mesmo material
• Planeje o orçamento com o preço padrão: ao fim do período introdutório tudo dobra (cache de US$ 0,10 pra US$ 0,20, entrada de US$ 2 pra US$ 4, saída de US$ 10 pra US$ 20), e não há data publicada pro fim dessa fase

Fazer a estimativa já com o preço padrão evita susto na fatura depois

E com o acesso restrito hoje, tudo isso é preparação pra quando o modelo abrir pra clientes pagos da API e assinantes do Google AI Ultra

Pra ir se ambientando com o Gemini:

Enquanto o Argon não abre, dá pra ir conhecendo o ecossistema Gemini: neste vídeo do canal tu vê o Gemini criando arquivos editáveis na prática 🙂

Vale a pena usar cache no Gemini 4 Argon?

Pra quem relê a mesma base de código, o mesmo dossiê ou o mesmo lote de logs, vale sim, e muito

Cada releitura de 1 milhão de tokens em cache sai por US$ 0,10 em vez de US$ 2 no introdutório (e US$ 0,20 em vez de US$ 4 no padrão)

Já em tarefa com contexto sempre novo ou dominada por saída, o desconto quase não aparece no total

O próximo passo é listar os teus fluxos repetitivos e acompanhar a abertura do acesso pra clientes pagos da API, que ainda não tem data firme…

Até o próximo post! 🙂